科研之友
微信
新浪微博
Facebook
分享链接
摘要
时依性混杂是纵向观察性研究数据中常见，但较难用传统回归模型控制的特殊混杂。边缘结构模型通过计算逆概率权重对原始人群进行加权，获得新的虚拟人群，消除混杂因素的影响，是目前控制时依性混杂较流行的方法。近年来，随着机器学习的发展，利用数据自适应算法计算逆概率权重的边缘结构模型逐步受到关注。Super Learner是其中较新颖的一种方法，其能很好地规避传统估计逆概率权重方法的缺陷。该文基于前人的相关研究，总结传统边缘结构模型和逆概率权重的构建与计算，介绍Super Learner的构建、优缺点以及目前在药物流行病学相关研究中的实际应用，并提出未来可研究和待解决的问题。
- 单位
